没有一个人能指望数一数世界上有多少棵树。但是他们中的一群人只是计算了世界上的旱地森林——在这个过程中，以前从未在地图上标出森林加起来相当于亚马逊雨林的面积。

目前的技术使计算机能够通过卫星数据自动探测森林面积，以便充分绘制世界上大多数森林的地图。但是，树木稀少、间隔较远的旱地阻碍了这些现代方法的发展。

为了测量占地球地表40%以上的旱地的森林面积，来自联合国粮食及农业组织(FAO)、世界资源研究所和几所大学的研究人员组织必须想出非传统的技术。其中最重要的是向当地居民求助，他们通过本地地图分享专业知识。

技术挑战，人力解决方案

传统的遥感算法是在一个像素中检测树木覆盖，而不是在一个景观中捕捉单个的树木。这意味着该方法可能会漏掉密度较低的森林中的树木，或农田或草地上的树木，而这通常是旱地地区的性质。

谷歌地球从几个具有各种分辨率和技术能力的卫星上收集卫星数据。谷歌从包括数字地球在内的各供应商收集的旱地卫星图像质量特别高，因为沙漠地区几乎没有云层遮挡视线。

因此，虽然算法很难检测到非主要的土地覆盖，但人类的眼睛可以毫无困难地分辨出景观中的树木。利用这一优势，科学家们决定在成千上万的高分辨率图像中对树木进行视觉计数，以确定整个干旱地区的树木覆盖情况。

本地地图使用收集地球

借助谷歌提供的高质量图像，研究人员可以看到直径小至20英寸的物体，研究小组将全球旱地图像分成12个区域，每个区域有一个区域合作伙伴负责计数评估。

区域合作伙伴反过来又招募了具有实际景观知识的当地居民来识别样本图像中的内容。这些志愿者将一起参加参与性的地图绘制研讨会，俗称“地图通”。

为了给本地的“地图马拉松”活动奠定基础，该团队确定了一个入口点，通常是一所大学，可以帮助招募参与者，以及一个有能力和互联网的设施来举办“地图马拉松”活动。一旦接受培训，任何一个分析师每天都能识别80到100个地块。

之后，通过比较已确定的土地覆盖和已统计的树木数量进行质量控制。例如，如果一名当地参与者识别出一张只有三棵树的图片，但随后又识别出与森林相同的图片，研究人员就知道这是人为错误，需要进一步检查。

这些地图的设计是为了让对当地景观有第一手知识的人能够参与进来。不需要有遥感知识或互联网知识以外的任何技术。所需要的专门知识是对区域景观和土地利用的了解。这一地区的实践知识是至关重要的，因为参与者不仅能够计数单个的树木，而且还能识别他们在谷歌地球图像上看到的土地使用类型和树木。

这项研究只“发现”了哥伦布“发现”新大陆的意义上的新森林。干地森林总是存在的，生活在这个地区的人们总是知道它的存在。事实上，他们是唯一有背景知识来辨别细微差别的人，比如他们所在地区的植物图像是灌木还是小树，或者看起来像树的只是一种多年生植物。

一些常见的多年生作物，包括咖啡和香蕉，在卫星图像中看起来像灌木，但是当地的参与者没有问题地正确地识别出它们是多年生作物而不是灌木，这是仅通过卫星图像分析是不可能区分的。

这一人的识别成分，加上利用廉价和可用的技术放大到亚米分辨率的能力，帮助实现了森林覆盖识别的突破结果，比以前报道的高出9%。

当地对地图和土地的所有权

利用当地的景观知识不仅提高了地图的质量，而且还在每个区域内创造了一种归属感。map-a-thon的参与者可以访问开源工具，现在可以使用这些数据和结果更好地参与他们社区的土地使用变化。当地专家，包括林业办公室，也可以使用这个容易访问的应用程序在未来继续监测。

全球森林监测(GFW)使用中等分辨率的卫星(大约89英尺)和复杂的算法来检测森林密集地区的近实时森林砍伐。旱地树木覆盖地图通过提供监测非优势树木覆盖和小规模、缓慢移动的事件(如退化和退化)的能力，补充了GFW恢复。

在这种详细程度上绘制森林变化图对于指导土地决策和使政府和商业行动者能够证明他们的承诺正在得到履行，即使是在很短的时间内，都是至关重要的。

当地参与者记录的数据将使科学家能够对自然和人为的土地变化进行更多的分析，包括定居点、侵蚀特征和道路。绘制干旱地区的树木覆盖图仅仅是个开始。